1 引言

目前基于Python的量化回測框架有很多精绎，開源框架有zipline歪泳、vnpy锉屈、pyalgotrader和backtrader等，而量化平臺有Quantopian（國外）办龄、聚寬烘绽、萬礦、優(yōu)礦俐填、米筐安接、掘金等，這些量化框架或平臺各有優(yōu)劣英融。就個人而言盏檐，比較偏好用backtrader呀打，因為它功能十分完善，有完整的使用文檔糯笙，安裝相對簡單（直接pip安裝即可）贬丛。優(yōu)點是運(yùn)行速度快，支持pandas的矢量運(yùn)算给涕；支持參數(shù)自動尋優(yōu)運(yùn)算豺憔，內(nèi)置了talib股票分析技術(shù)指標(biāo)庫；支持多品種够庙、多策略恭应、多周期的回測和交易；支持pyflio耘眨、empyrica分析模塊庫昼榛、alphalens多因子分析模塊庫等；擴(kuò)展靈活剔难，可以集成TensorFlow胆屿、PyTorch和Keras等機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)分析模塊偶宫。而不足之處在于非迹，backtrader學(xué)習(xí)起來相對復(fù)雜，編程過程中使用了大量的元編程（類class）纯趋，如果Python編程基礎(chǔ)不扎實（尤其是類的操作）憎兽，學(xué)起來會感到吃力。本文作為backtrader的入門系列之一吵冒，對其運(yùn)行框架進(jìn)行簡要介紹纯命，并以實際案例展示量化回測的過程。

2 backtrader簡介

如果將backtrader包分解為核心組件痹栖，主要包括以下組成部分：

（1）數(shù)據(jù)加載（Data Feed）：將

交易策略的數(shù)據(jù)加載到回測框架中亿汞。??

（2）交易策略（Strategy）：該模塊是編程過程中最復(fù)雜的部分，需要設(shè)計交易決策结耀，得出買入/賣出信號留夜。

（3）回測框架設(shè)置（?Cerebro）：需要設(shè)置（i）初始資金（ii）傭金（iii）數(shù)據(jù)饋送（iv）交易策略（v）交易頭寸大小匙铡。

（4）運(yùn)行回測：運(yùn)行Cerebro回測并打印出所有已執(zhí)行的交易图甜。

（5）評估性能（Analyzers）:以圖形和風(fēng)險收益等指標(biāo)對交易策略的回測結(jié)果進(jìn)行評價。

“Lines”是backtrader回測的數(shù)據(jù)鳖眼，由一系列的點組成黑毅，通常包括以下類別的數(shù)據(jù)：Open（開盤價）, High（最高價）, Low（最低價）, Close（收盤價）, Volume（成交量）, OpenInterest（無的話設(shè)置為0）。Data Feeds（數(shù)據(jù)加載）钦讳、Indicators（技術(shù)指標(biāo)）和Strategies（策略）都會生成 Lines矿瘦。價格數(shù)據(jù)中的所有”O(jiān)pen” (開盤價)按時間組成一條 Line枕面。所以，一組含有以上6個類別的價格數(shù)據(jù)缚去，共有6條 Lines潮秘。如果算上“DateTime”（時間，可以看作是一組數(shù)據(jù)的主鍵）易结，一共有7條 Lines枕荞。當(dāng)訪問一條 Line 的數(shù)據(jù)時，會默認(rèn)指向下標(biāo)為 0 的數(shù)據(jù)搞动。最后一個數(shù)據(jù)通過下標(biāo) -1 來訪問躏精，在-1之后是索引0，用于訪問當(dāng)前時刻鹦肿。因此矗烛，在回測過程中，無需知道已經(jīng)處理了多少條/分鐘/天/月箩溃，”0”一直指向當(dāng)前值瞭吃，下標(biāo) -1 來訪問最后一個值。

3 回測應(yīng)用實例

量化回測說白了是使用歷史數(shù)據(jù)去驗證交易策略的性能涣旨，因此回測的第一步是搭建交易策略虱而，這也是backtrader要設(shè)置的最重要和復(fù)雜的部分，策略設(shè)定好后开泽，其余部分的代碼編寫是手到擒來牡拇。

01 構(gòu)建策略（Strategy）

交易策略類代碼包含重要的參數(shù)和用于執(zhí)行策略的功能，要定義的參數(shù)或函數(shù)名如下：

（1）params-全局參數(shù)穆律，可選：更改交易策略中變量/參數(shù)的值惠呼，可用于參數(shù)調(diào)優(yōu)。?

（2）log：日志峦耘，可選：記錄策略的執(zhí)行日志剔蹋，可以打印出該函數(shù)提供的日期時間和txt變量。

（3） __init__：用于初始化交易策略的類實例的代碼辅髓。?

（4）notify_order泣崩，可選：跟蹤交易指令（order）的狀態(tài)。order具有提交洛口，接受矫付，買入/賣出執(zhí)行和價格，已取消/拒絕等狀態(tài)第焰。?

（5）notify_trade买优，可選：跟蹤交易的狀態(tài)，任何已平倉的交易都將報告毛利和凈利潤。?

（6）next杀赢，必選：制定交易策略的函數(shù)烘跺，策略模塊最核心的部分。

下面以一個簡單的單均線策略為例脂崔，展示backtrader的使用過程滤淳，即當(dāng)收盤價上漲突破20日均線買入（做多），當(dāng)收盤價下跌跌穿20日均線賣出（做空）砌左。為簡單起見娇钱，不報告交易回測的日志，因此log绊困、notify_order和notify_trade函數(shù)省略不寫文搂。

classmy_strategy1(bt.Strategy):

#全局設(shè)定交易策略的參數(shù)

params=(

('maperiod',20),

)

def__init__(self):

#指定價格序列

self.dataclose=self.datas[0].close

#?初始化交易指令、買賣價格和手續(xù)費(fèi)

self.order?=None

self.buyprice?=None

self.buycomm?=None

#添加移動均線指標(biāo)秤朗，內(nèi)置了talib模塊

self.sma?=?bt.indicators.SimpleMovingAverage(

self.datas[0],?period=self.params.maperiod)

defnext(self):

ifself.order:#?檢查是否有指令等待執(zhí)行,?

return

#?檢查是否持倉???

ifnotself.position:#?沒有持倉

#執(zhí)行買入條件判斷：收盤價格上漲突破20日均線

ifself.dataclose[0]?>?self.sma[0]:

#執(zhí)行買入

self.order?=?self.buy(size=500)

else:

#執(zhí)行賣出條件判斷：收盤價格跌破20日均線

ifself.dataclose[0]?<?self.sma[0]:

#執(zhí)行賣出

self.order?=?self.sell(size=500)

02 數(shù)據(jù)加載（Data Feeds）

策略設(shè)計好后煤蹭，第二步是數(shù)據(jù)加載，backtrader提供了很多數(shù)據(jù)接口取视，包括quandl（美股）硝皂、yahoo、pandas格式數(shù)據(jù)等作谭，我們主要分析A股數(shù)據(jù)稽物。

mpl.rcParams['axes.unicode_minus']=False

#先引入后面可能用到的包（package）

importpandasaspd

fromdatetimeimportdatetime

importbacktraderasbt

importmatplotlib.pyplotasplt

%matplotlib?inline

#正常顯示畫圖時出現(xiàn)的中文和負(fù)號

frompylabimportmpl

mpl.rcParams['font.sans-serif']=['SimHei']

使用tushare獲取浦發(fā)銀行（代碼：600000）數(shù)據(jù)。

#使用tushare舊版接口獲取數(shù)據(jù)

importtushareasts

defget_data(code,start='2010-01-01',end='2020-03-31'):

df=ts.get_k_data(code,autype='qfq',start=start,end=end)

df.index=pd.to_datetime(df.date)

df['openinterest']=0

df=df[['open','high','low','close','volume','openinterest']]

returndf

dataframe=get_data('600000')

#回測期間

start=datetime(2010,?3,?31)

end=datetime(2020,?3,?31)

#?加載數(shù)據(jù)

data?=?bt.feeds.PandasData(dataname=dataframe,fromdate=start,todate=end)

03 回測設(shè)置（Cerebro）

回測設(shè)置主要包括幾項：回測系統(tǒng)初始化折欠，數(shù)據(jù)加載到回測系統(tǒng)贝或，添加交易策略， broker設(shè)置（如交易資金和交易傭金）锐秦，頭寸規(guī)模設(shè)置作為策略一部分的交易規(guī)模等咪奖，最后顯示執(zhí)行交易策略時積累的總資金和凈收益。?

#?初始化cerebro回測系統(tǒng)設(shè)置???????????????????????????

cerebro?=?bt.Cerebro()

#將數(shù)據(jù)傳入回測系統(tǒng)

cerebro.adddata(data)

#?將交易策略加載到回測系統(tǒng)中

cerebro.addstrategy(my_strategy1)

#?設(shè)置初始資本為10,000

startcash?=10000

cerebro.broker.setcash(startcash)

#?設(shè)置交易手續(xù)費(fèi)為?0.2%

cerebro.broker.setcommission(commission=0.002)

04 執(zhí)行回測

輸出回測結(jié)果酱床。

print(f'凈收益:{round(pnl,2)}')

d1=start.strftime('%Y%m%d')

d2=end.strftime('%Y%m%d')

print(f'初始資金:{startcash}\n回測期間：{d1}:{d2}')

#運(yùn)行回測系統(tǒng)

cerebro.run()

#獲取回測結(jié)束后的總資金

portvalue?=?cerebro.broker.getvalue()

pnl?=?portvalue?-?startcash

#打印結(jié)果

print(f'總資金:{round(portvalue,2)}')

結(jié)果如下：

初始資金:?10000

回測期間：20100331:20200331

總資金:?12065.36

凈收益:?2065.36

05 可視化

對上述結(jié)果進(jìn)行可視化羊赵，使用內(nèi)置的matplotlib畫圖。至此扇谣，簡單的單均線回測就完成了昧捷。下面圖形展示了浦發(fā)銀行在回測期間的價格走勢、買賣點和交易總資金的變化等罐寨。當(dāng)然靡挥，本文著重以最簡化的例子展示backtrader的框架和運(yùn)行過程，要想更詳細(xì)的展示回測過程和結(jié)果衩茸，還需要加入其他函數(shù)和模塊芹血，關(guān)于Analyzers分析模塊的應(yīng)用請留意下一篇推文。

%matplotlib?inline?#在jupyter notebook上運(yùn)行

cerebro.plot(style='candlestick')

4 結(jié)語

backtrader是目前功能最完善的Python量化回測框架之一（單機(jī)版）楞慈，得到歐洲很多銀行幔烛、基金等金融機(jī)構(gòu)的青睞，并應(yīng)用于實盤交易中囊蓝。作為入門序列之一饿悬，本文簡單介紹了backtrader框架的各個組成部分，然后以20日單均線策略為例聚霜，展示了回測系統(tǒng)的編程和運(yùn)行狡恬。公眾號接下來將以專題的形式為大家全面介紹backtrader的應(yīng)用。學(xué)習(xí)沒有捷徑蝎宇，要想全面而深入地學(xué)習(xí)backtrader回測框架弟劲，最好的方法是研讀其官方文檔。

參考資料：

backtrader官方文檔：

https://www.backtrader.com/docu/

關(guān)于Python金融量化

專注于分享Python在金融量化領(lǐng)域的應(yīng)用姥芥。加入知識星球兔乞，可以免費(fèi)獲取量化投資視頻資料、量化金融相關(guān)PDF資料凉唐、公眾號文章Python完整源碼庸追、量化投資前沿分析框架，與博主直接交流台囱、結(jié)識圈內(nèi)朋友等淡溯。